深度学习重建的性能与金属工件减少算法相结合,用于双能量计算机断层扫描,在内动脉瘤线圈栓塞中进行血管学
Lina Tao1, Yuhan Zhou1, Limin Lei1
1Department of Radiology, The First Affiliated Hospital of Zhengzhou University, Zhengzhou, Henan Province 450052, China.
European journal of radiology open
|January 6, 2026
概括
深度学习图像重建与金属工件减少 (MAR) 在80-90 keV优化脑动脉瘤后续. 这种方法可以改善可视化,并检测标准技术错过的并发症.
科学领域:
- 医疗成像医学成像
- 放射学 放射学是一门学科.
- 神经外科 神经外科
背景情况:
- 大脑动脉瘤需要在栓塞后进行精确的后续成像.
- 线圈中的金属工件可以掩盖CT血管造影 (CTA) 中的关键细节.
- 优化图像重建技术对于准确的诊断信心至关重要.
研究的目的:
- 确定最佳的深度学习图像重建 (DLIR) 和金属工件减少 (MAR) 算法方案,用于脑动脉瘤线圈的后续.
- 评估对脑动脉可视化的诊断信心,并检测栓塞后并发症.
主要方法:
- 54名患者的CTA数据使用ASIR-V,DLIR-M和DLIR-H进行了重建.
- 虚拟单能图像 (VMIs) 被生成 (40-140 keV) 有或没有MAR.
- 评估了客观 (AI,SNR,CNR) 和主观 (利克尔特尺度) 的参数.
主要成果:
- 80-90 keV VMI 范围提供了文物减少和血管显示之间的最佳平衡.
- 在80-90keV的MAR (DLIR-H+MAR) 的DLIR-H产生了最高的CNR和最佳的主观得分.
- 与非MAR相比,MAR显著减少了瘤部和母动脉测量的差异.
- 马尔检测到并发症 (复发,残留填充,狭窄,破裂) 错过了非马尔组.
结论:
- 80-90 keV的DLIR-H+MAR是可视化大脑动脉和减轻金属工件的最佳方法.
- 这种技术显著提高了对栓塞疗效和并发症检测的评估.
